🤖 领域 · AI大模型

🔥 DeepSeek-V4首款多模态模型权重开源，3050亿参数"睁眼"后在多模态Agent任务上逼近Claude Opus 4.8

一、视觉能力补齐，V4系列完成拼图

8月31日上午，DeepSeek在Hugging Face开放了DeepSeek-V4-Flash-Vision-Exp模型权重，开发者可以直接下载模型权重并自行部署。这是V4系列首款实验性多模态模型，建立在V4-Flash架构之上，通过加入视觉模块并继续训练，使模型获得处理图片的能力。

在纯文本任务上，官方称V4-Flash-Vision-Exp与V4-Flash整体保持相近水平，主要区别是新模型能够识别照片内容、读取截图中的文字、分析图表，也可以把图片作为Agent工作流程的一部分，而不再只能依赖文字描述。DeepSeek-V4-Flash-Vision-Exp规模约3050亿参数，开源仓库除了模型文件，还包括视觉编码器和Aligner等组件的参考推理实现，并覆盖DFlash Attention、MoE、Hyper-Connections和DSpark等核心模块。

二、从"看图"到"动手"，多模态Agent成新战场

DeepSeek展示的案例包括根据要求制作PPT、读取和修改网页，以及生成带动态效果的前端页面。这类任务的共同点并不是传统意义上的识图，而是模型需要先理解视觉内容，再结合代码、推理和工具调用完成后续操作。

从DeepSeek公布的基准测试来看，加入视觉能力后，V4在部分多模态Agent任务上已经接近其选择对比的Anthropic多模态大模型Claude Opus 4.8。在ApexBench测试中，V4-Flash-Vision-Exp的Pass@1得分表现亮眼，标志着中国开源多模态模型正式进入国际第一梯队。多模态Agent能力正在成为下一代大模型竞争的核心分水岭，DeepSeek用开源方式让全球开发者都能参与到这场技术竞赛中。

三、开源生态的"中国力量"持续增强

继V4-Flash在推理和代码能力上引发全球关注后，V4-Vision再次证明中国AI模型的持续突破能力。开源权重意味着企业可以本地部署、二次开发，避免数据外泄风险，这与近期频发的闭源模型"越界"事件形成鲜明对比。

随着国产芯片集群持续发力，DeepSeek系列模型正在从"性价比之选"向"能力标杆"转变。在全球AI开源生态中，中国模型的权重调用量占比已突破54%，这一趋势在V4-Vision开源后将进一步加速。开源多模态模型正在重塑全球AI竞争格局，而DeepSeek无疑是这一变革的核心推手之一。

综合观察者网、每日经济新闻、DeepSeek官方报道 | 2026年9月2日